线程安全

线程安全
多个线程同时运行,访问临界资源,不会导致程序的二义性
临界资源:同一时刻,该资源只能被一个执行流访问
访问:在临界区中对临界资源进行非原子操作
原子操作:操作一步完成,只有两个结果,要么完成,要么没有完成

保证线程安全
互斥:保证同一时刻只有一个执行流访问临界资源
同步:保证程序对资源访问的合理性

互斥锁
使用互斥锁来保证互斥属性
互斥锁的底层是互斥量,互斥量本质是一个计数器 ,计数器只有0、1取值
0代表无法获得互斥锁,进而表示临界资源不能被访问
1代表可以获得互斥锁,进而表示临界资源能被访问

互斥量的接口
初始化互斥量
方法1,静态分配:pthread_mutex_t mutex = PTHREAD_MUTEX_INITIALIZER
方法2,动态分配:nt pthread_mutex_init(pthread_mutex_t restrict mutex, const pthread_mutexattr_trestrict attr);
参数:
mutex:要初始化的互斥量
attr:NULL
销毁互斥量
int pthread_mutex_destroy(pthread_mutex_t *mutex);
互斥量加锁和解锁
int pthread_mutex_lock(pthread_mutex_t *mutex);
int pthread_mutex_unlock(pthread_mutex_t *mutex);

在这里插入代码片#include <stdio.h>
#include <unistd.h>
#include <pthread.h>

#define THREADCOUNT 4

int g_tickes = 100;
pthread_mutex_t lock;

void* ThreadStart(void* arg)
{
    (void)arg;
    while(1)
    {
        // 1 加锁
        pthread_mutex_lock(&lock);
        if(g_tickes > 0)
        {
            g_tickes--; 
            usleep(100000);
            printf("i am thread [%p], i have ticket num is [%d]\n", pthread_self(), g_tickes + 1);
        }
        else
        {
            //假设有一个执行流判断了g_tickets之后发现,g_tickets的值是小于等于0的
            //则会执行else逻辑,直接就被break跳出while循环
            //跳出while循环的执行流还加着互斥锁
            //所以在所有有可能退出线程的地方都需要进行解锁操作
            pthread_mutex_unlock(&lock);
            break;
        }
        pthread_mutex_unlock(&lock);
    }
    return NULL;
}

int main()
{
    pthread_mutex_init(&lock, NULL);
    pthread_t tid[THREADCOUNT];
    int i = 0;
    for(; i < THREADCOUNT; i++)
    {
        int ret = pthread_create(&tid[i], NULL, ThreadStart, NULL);
        if(ret < 0)
        {
            perror("pthread_create");
            return 0;
        }
    }

    for(i = 0; i < THREADCOUNT; i++)
    {
        pthread_join(tid[i], NULL);
    }

    pthread_mutex_destroy(&lock);
    return 0;
}

定义:全局变量
初始化:在线程创建之前进行初始化
销毁:在线程退出之后进行销毁
加锁:在访问临界资源之前进行加锁
解锁:在所有有可能退出的地方都的解锁
阻塞等待:如何加锁没有释放锁,会使想要加该锁的执行流陷入阻塞等待

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值